AI發展的最大障礙已經不是模型了

如果我們把產業的發展看成是一個技術、產品、模式不停轉動深入的過程，那自chatGPT發布到o3可以看出是一個階段，而o3之后可以看成一個階段。

o3作為分水嶺其意義在于，在到o3這種水平之前核心問題是模型好使不好使，在此之后的核心則是到底怎么讓o3水平的模型發揮效力。(不是說模型不需要發展）

發揮效力的時候，如果只是從技術本身看待AI的挑戰，看到的會全是提示詞怎么寫，這與AI會大范圍提供通用智能的本質特征是錯位的。

一定需要從此延展縱深到更大的空間才可能理順應用通路，顯然的蘿卜快跑事件不是來自于技術和產品，但它確實影響產品化的進程，而每個落地情景可能都面對小微型的蘿卜快跑式困境。

那在這個應用通路中什么最關鍵？

第一是AI和人的關系問題

這是未來各種應用塑形的基礎和原點，在2024.12.29的AI碰撞局上北大國發院的侯宏老師提出了一個思考框架：

可能不好理解，但本質是在說知識創造過程中如何界定人與AI的關系（更多相關文章大家可以參照侯老師的公號：）。

關注知識創造和流轉正是它成為一個原點問題的的原因。

因為在知識創造的過程中人、機的角色邊界最終就會變成應用的邊界的決定因素之一。

人機是橫向切分的視角，如果再配上數據可獲取范圍的縱向視角，那基本就是AI應用的潛在格局。

人、機邊界決定了應用的形態和深度，決定到底以什么方式給個人、企業提供智能，比如是Copilot還是Autopilot。

數據可獲取邊界則決定了角色的功能邊界，到底提供什么，比如是教育還是法律還是其它。

第二，數據的可獲取性

如上所說，數據的可獲取性決定應用的功能邊界。

這里的關鍵有兩個：

一個是利益的各相同性，否則就不可能有源源不斷的數據，沒有源源不斷的數據也就不可能越做越好，最終就只有低垂的果實。比如你給法院提供方案，那顯然數據沒法源源不斷，這不是各技術問題，而是個生產關系重構的問題。需要復雜思考才可能找到一條真正可能的通路。

一個是數據自身的成本，成本是指長期確保高精度數據所要付出的成本。這個搞不好相當于一個強大的AI周邊全是說假話的，它就不可能好使。

對于產品而言，這兩個都是個戰略問題，和后天努力關系不大，它先天決定產品的最終擴張的時候的邊際成本。

如果我們把AI應用歸為兩個類別，一個是創造新效能，一個是創造新體驗，對于前者上面說的生死攸關。

第三，數據通路的通用性問題

我們知道AI大模型的核心特征是能力的通用性。

我們假設AI大模型扮演大腦的角色，那這個腦子顯然既能收玉米也能摘桃子，可如果實際干活的時候如果觸手只有一種，比如像章魚一樣的爪子，那它就不能收玉米，只能摘桃子。

這時候不是模型能力不行，而是感知反饋通路的通用性不夠，兩者錯配。

這是和過去應用的核心差異。

只要數據通路沒問題，AI可以提供任何功能，關鍵的不再是功能。

第四，AI應用一定是系統型應用

AI應用沒有小而美一說，因為數據的邊界是應用的邊界，小范圍根本沒壁壘，要么被大模型本身吸收掉，要么被同類別的應用吸收掉，只有極短的窗口期。

每個可能都和搜索、微信差不多，最終NO1的幾乎占據所有。

而一旦數據通路的通用性變關鍵，就會導致應用往系統化方向發展，因為源是多的，需要表現出來的能力是需要動態變化的。前者衍生類似過去的硬件抽象層（HAL），后者衍生出來技能商店，這樣一來中間就比如有調度器（Scheduler）等作為kernel。

參見：https://arxiv.org/pdf/2403.16971

第五，自適應

自動駕駛和過去最大的區別是它的自適應。

而所有未來的應用幾乎都是需要具備自適應能力。

當累積足夠的全場景數據后，會有兩種進化模式一種則類似這種端到端的模型，這時候模型和應用是不分的，數據回來會貢獻于更好的模型。

但還有一種情況則是更大量級的數據和更長的分析時間，可以得出更好的方案（利用o3的能力）。

顯然的，這時候系統的內核則會劃分成兩個部分，一部分負責快思考，一部分負責慢思考。

對于系統型應用它絕大部分功能是自主完成的。這時候一部分是要實時處理各種響應，一部分則是要迭代并總結自己的行為進行改善。這兩個活顯然是要分開做的。所以系統型應用的kernel部分，需要雙系統分立。

參見：https://arxiv.org/pdf/2410.08328

小結

也許寫的看起來有點夸張和獨斷，但這是一種必然性的脈絡，這種脈絡很像方法的方法，往往不以人的意愿而改變。我應該還是有點資格這么說，參見：，這是前面做的脈絡判斷，大致是準的。

補充說明：

上面的論文能看看思路，實際做有問題的。

1. 系統肯定不是在現在系統上的增強，而是現有系統之上的再定義，所以和現有系統的關系大概率不對。

2. 雙系統的例子不好，它那例子不需要雙系統。

2025 AI碰撞局繼續在北大國發院和中關村持續舉辦，感興趣的同學聯系shuixiu2024。往期的部分內容參見：